Análisis predictivo para la estimación de producción energética fotovoltaica en el recinto Malqui Machay mediante un sistema de monitoreo de generación eléctrica solar.
| dc.contributor.advisor | Vásquez Carrera, Paco Jovanni | |
| dc.contributor.author | Aguilar Sizalima, Edwin Alexander | |
| dc.date.accessioned | 2025-09-08T16:06:17Z | |
| dc.date.available | 2025-09-08T16:06:17Z | |
| dc.date.issued | 2025-09 | |
| dc.description | This study developed a predictive model to estimate daily photovoltaic energy production at the Malqui Machay complex, using machine learning techniques applied to local meteorological variables. Daily data on solar irradiance, air temperature, and relative humidity were used for the period from January 2021 to May 2024. The dataset was segmented into three phases: training (2021–2022), validation (2023), and projection (2024). Among the evaluated models, the Random Forest algorithm performed best, achieving a coefficient of determination (R²) of 0.9993 and a mean absolute error of 0.0221 kWh. Comparison between predicted values and actual data observed during 2023 shows a near-perfect fit. Furthermore, the projection generated for the first five months of 2024 was consistent with previous seasonal patterns, confirming the model's stability. The results obtained demonstrate the feasibility of applying artificial intelligence models for energy estimation in rural settings, where metering infrastructure is often limited. The proposed methodology represents a replicable and scalable alternative for improving the management of photovoltaic systems in areas with moderate solar potential. | |
| dc.description.abstract | El presente estudio desarrolló un modelo predictivo para estimar la producción energética fotovoltaica diaria en el recinto Malqui Machay, utilizando técnicas de aprendizaje automático aplicadas sobre variables meteorológicas locales. Se emplearon datos diarios de irradiancia solar, temperatura del aire y humedad relativa correspondientes al periodo comprendido entre enero de 2021 y mayo de 2024. El conjunto de datos fue segmentado en tres fases: entrenamiento (2021–2022), validación (2023) y proyección (2024). Entre los modelos evaluados, el algoritmo Random Forest presentó el mejor desempeño, alcanzando un coeficiente de determinación (R²) de 0.9993 y un error absoluto medio de 0.0221 kWh. La comparación entre los valores predichos y los datos reales observados durante 2023 evidenció un ajuste casi perfecto. También, la proyección generada para los primeros cinco meses de 2024 fue coherente con los patrones estacionales previos, ratificando la estabilidad del modelo. Los resultados obtenidos demuestran la viabilidad de aplicar modelos de inteligencia artificial para la estimación energética en contextos rurales, donde la infraestructura de medición suele ser limitada. La metodología propuesta representa una alternativa replicable y escalable para mejorar la gestión de sistemas fotovoltaicos en zonas con potencial solar moderado. | |
| dc.format.extent | 20–35 | |
| dc.identifier.citation | Aguilar Sizalima, E. A., Paco Jovanni Vásquez Carrera, & Hidalgo Osorio, W. A. (2025). Análisis predictivo para la estimación de producción energética fotovoltaica en el recinto Malqui Machay mediante un sistema de monitoreo de generación eléctrica solar. INSTA MAGAZINE, 8(1), 20–35. https://doi.org/10.63074/26973308.v8i1.72. | |
| dc.identifier.issn | UTC-XLM-ELELM-2025-004-ART | |
| dc.identifier.uri | https://revista.insta.edu.ec/index.php/instamagazine/article/view/72 | |
| dc.identifier.uri | https://repositorio.utc.edu.ec/handle/123456789/14817 | |
| dc.language.iso | es | |
| dc.publisher | Ecuador: La Maná: Universidad Técnica de Cotopaxi; Extensión La Maná, Carrera de Electromecánica | |
| dc.subject | PRODUCCIÓN ENERGÉTICA FTOVOLTAICA | |
| dc.subject | MALQUI MACHAY | |
| dc.subject | APRENDIZAJE AUTOMÁTICO | |
| dc.subject | RANDOM | |
| dc.subject | FOREST | |
| dc.subject | INTELIGENCIA ARTIFICIAL | |
| dc.title | Análisis predictivo para la estimación de producción energética fotovoltaica en el recinto Malqui Machay mediante un sistema de monitoreo de generación eléctrica solar. | |
| dc.type | Article |